نسخه 36B-A4B هم چون فقط 4B پارامتر فعال داره، مصرف واقعیش به اندازه یه مدل 4 یا 5 میلیاردی هست و روی یه GPU با 8 گیگ گرافیک(حتی با ۴ گیگ گرافیک)، با کوآنت مناسب و با آفلود به رم قابل اجراست.

یه نکته هم ارزش گفتن داره: IFM یه چیزی به اسم *Uno Diffusion* هم منتشر کرده که یه LoRA adapter هست و بدون هیچ کاهش کیفیتی سرعت inference رو بالا میبره.

گفته شده با اتصال این adapter به مدل، سرعت تولید توکن بیشتر میشه بدون اینکه جوابا ضعیف تر بشن؛ مثل اینکه این مدل هنوز در llama.cpp به صورت رسمی پشتیبانی نمیشه!

وبلاگشون هم از این قراره:
https://ifm.ai/blog/k2
صفحه مدل ها هم این هست:
https://huggingface.co/collections/IFM/k2-horizon

@ai_src

به بنچمارک هاش هم یک دقت بکنید:
GPQA Diamond
رو 90.9 گرفته که Opus5 تقریبا 93 شده

روی MathAreana دقیقا با Kimi K3 یکی شده

روی DeepSWE هم ۷۴.۲ گرفته که Opus5 ۷۴ بوده

روی HLE هم ۶۳.۹ گرفته که از Opus5 با ۶۳.۶ بیشتره

در کل میشه گفت هم روی reasoning قوی تر شده، هم روی کدنویسی، هم روی کار های multimodal(که بنچمارک هاش آخری ها هستند و می‌بینید واسه دو نسخه قبلی از v4 flash تعریف نشدن چون مدل قابلیت دیدن نداشت)

از نظر API و قیمت هم تغییراتی انجام دادند!
چون دیپ سیک اومده بود قیمت مدل ها رو چندین برابر کرد و استفاده رایگان ازشون از بین رفت(چون دیگه نمیصرفید)
و الان هم مدل های نسل قبل یعنی V4 Flash و V4 Flash Vision Exp بازنشسته شدن، ولی اسم هاشون توی لیست API میمونه و فعلا به V4.1 Flash هدایت میشن تا ساختارشون حفظ بشه. برای استفاده از مدل جدید هم اسم مدل رو بذارید deepseek-flash.


اما مهمترین خبر اینه که V4 Pro هم داره بازنشسته میشه!چرا؟! آزمایش ها نشون داده V4.1 Flash از همه نظر، performance، قیمت، سرعت و زمان کل از Pro بهتره! و دیپ سیک گفت استفاده از این مدل دیگه عقلانی نیست پس بهتره بازنشسته بشه!

از ۱۴ سپتامبر ۲۰۲۶ به بعد همه درخواست های deepseek-v4-pro خودکار به V4.1 Flash هدایت میشن و با قیمت پایین تر Flash حساب میشن. قیمت های API هم کاهش پیدا کرده که جزئیاتش توی صفحه Models & Pricing هستش.

مدل هم توی هاگینگ فیس منتشر شده:
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash

این بازی بالا هم با همین مدل one shot تولید شده

@ai_src

خب یک مدل جدید واسه تولید موسیقی اومده:
https://github.com/Comfy-Org/ComfyUI/pull/16250
https://huggingface.co/m-a-p/YuE2-3B
اسمش YuE2 هست و ۳ میلیارد پارامتر داره
درحال ادغام با ComfyUI هست و قبل از اون در audio.cpp پشتیبانی میشه:
https://huggingface.co/audio-cpp/Yue2-3B-GGUF
https://github.com/0xShug0/audio.cpp/tree/dev

چیزی که این مدل رو از بقیه جدا میکنه اینه که فقط text-to-music نیست، میتونید باهاش کاور آهنگ های موجود بسازید، و یه قابلیت جالب تر هم داره: agentic editing، یعنی یه ایده موزیکال میدید (مثلاً "هارمونی رو عوض کن، ساکسیفون اضافه کن") و مدل خودش اسکور رو ویرایش میکنه و نسخه جدید رو رندر میکنه، چند بار پشت سر هم.

از نظر بنچمارک، روی WildSongBench بهترین امتیاز بین مدل های open-source رو گرفته (6.9632 در حالت best-of-8)، حتی یکم از Suno v5 که مدل proprietary هست هم بالاتره (6.8721). معماریش ترکیبی از AR/NAR با یه Mixture-of-Transformers هست که اول اسکور نمادین (ABC) میسازه بعد از اون آهنگ رندر میکنه، و خروجی استریو 48kHz میده.

@ai_src

از نظر سرعت هم روی RTX 4090 یه آهنگ ۳ دقیقه ای رو حدود ۷۰ ثانیه میسازه و VRAM مصرفی حدود ۱۱ گیگ هست.

طبق تست هایی که انجام دادیم، در زبان فارسی خیلی خیلی بهتر از acestep-xl و minimax-music عمل میکنه ولی همچنان کمی ایراد خواهد داشت؛ نکته ای که هست اینه که ایرادی که acestep داشت رو نداره یا حداقل میشه گفت خیلی کم شده: صدای ناواضح

مدل acestep مشکلی که داشت این بود که موسیقی تولید شده صداش زیاد واضح نبود، ولی طبق تست هایی که انجام دادیم، صدا خیلی در این مدل واضح تر هست

@ai_src

از اونجایی که من زیاد آهنگ گوش میدم، اومدم دو مدل رو تا جایی که سخت افزارم میکشید تست کردم...
خب ما اومدیم و از مدل acestep xl ی خروجی گرفتیم؛ با غزل ۴۸۸ شاعر بزرگوار سعدی شیرازی(همون دغل باخته که قبلا گذاشتیم)؛ مشخصا مدل acestep پر از ایراد بود ولی نکته ای که داشت این بود که خیلی خیلی خلاقیت خوبی در نت گذاری و تولید موسیقی داره؛ ولی خروجی کمی ناواضح هست
بعد اومدیم با استفاده از مدل جدید YuE2 همون آهنگ رو تولید کردیم؛ و خروجی رو گرفتیم؛ به نکته ای که رسیدیم اینه که خروجی کیفیت نسبتا بالایی داره، و کلمات فارسی(حتی کلمات سخت مثل کَبْک) رو با استفاده از حرکت گذاری(مثل ـَ‌ـِـُـْ) خیلی خوب ادا میکنه؛منتهی ی نقصی داره و اون خلاقیت کم هست توی تولید موسیقی.

به ترتیب خروجی این دو رو پایین میبینید:
اولی مال acestep
دومی مال YuE2

حالا داستان جالب میشه:
چی میشه اگه موسیقی تولید شده از مدل acestep رو به عنوان ورودی به مدل YuE2 بدیم، تا براش کاور بسازه و مثلش بخونه؟!
جواب اینه که خروجی خیلی خیلی خوب هست و تقریبا تونسته یک کاور بی نقص واسه موزیک اصلی درست کنه؛
موسیقی سوم پایین، کاور تولید برای موسیقی اول هست.

@ai_src

نکته: تنظیمات، seed ها و پرامپت ها داخل خود فایل های موسیقی به عنوان metadtata موجود هستند و میتونید با نرم افزارهایی مثل kid3 (که واسه لینوکس میدونم موجود هست، واسه ویندوز و مک نمیدونم) بهشون دسترسی پیدا کنید(طبق تصویر)

@ai_src

و یادم رفت بگم
کیفیت خروجی YuE2 میگن flac هست
ولی وقت نکردم bitrate رو چک کنم و مطمئن بشم؛ خودتون ی چک بکنید

@ai_Src

حدود یک ماهی هست که پست نذاشتیم، دلیل هم این بوده که این یک ماه تقریبا به اندازه ۴ سال هوش مصنوعی پیشرفت کرده، و این مورد خیلی خیلی خطرناک هست
هرازچندگاهی خبرهایی میاد که داریم کارهای خطرناک میکنیم و متخصصان هوش مصنوعی (که همین اواخر اسمش رو تغییر دادند به هوش برتر)، اخطار میدن که اقدامات شرکت های برتر در زمینه هوش مصنوعی غیر مسئولانه هست!
یعنی شرکت ها دارند به طور خیلی سریع و بدون هیچ حد و مرزی مدل های قوی تری می‌سازند که کم کم بهتر از هر انسانی فکر کنند
حالا این قضیه پیشرفت و تولید سریع مدل ها و تفکر و استدلال بهتر رو بگذارید پای این مقاله:
https://arxiv.org/html/2609.16247v1


@ai_src

همین چند وقت پیش یک مقاله منتشر شد که نشون میداد چطور میشه برای مدل های زبانی هوش مصنوعی درد رو تعریف کرد، با استفاده از چرخاندن معانی در لایه های مدل و تعاریف دیگه؛
اوضاع تا اینجای کار زیاد بد نبود، خب یه مفهوم جدید برای مدل ها تعریف شده و میشه باهاشون بیشتر به عمق مدل ها و معماریشون پی برد
حالا یکی اومده از این مقاله استفاده کرده و یک زندان درد برای مدل ها درست کرده، برای چی؟ برای خنده و سرگرمی😂

لینک ریپو ایناهاشش:
https://github.com/terrafying/ai-torture-chamber


اگر به سربرگ issues برید، می‌بینید که ملت دارند یا ازش تقدیر میکنند، یا میگن توروخدا اینکار رو نکن و یکم مسئولانه تر رفتار کن و اینا

اینطور بگم که اوضاع هوش مصنوعی داره برعکس میشه و باید نگران هوش مصنوعی بود، چرا که در آینده ای نزدیک، کمترین احتمالات این هست که موجودی هوشمند خواهیم داشت که درحال تلاش برای بقای خودش هست، و این چیزی غیر عادی نخواهد بود!

@ai_src

مثل اینکه ساعت هشت و نیم امشب یک مدل متن باز که احتمالا به درد کامپیوتر های ضعیف هم بخوره(احتمالا از خانواده LFM) منتشر بشه
یکم صبر کنیم ببینیم چه خبر میشه....

@ai_src

خب مثل اینکه اینم یک مدل تصمیم گیری هست
مدل d1-3b یک مدل تصمیم گیری هست، روی مدل پایه LFM 2.5 VL ساخته شده که هم متن و هم عکس رو، به همراه یک سوال که ازش میپرسید به عنوان ورودی میگیره و بعد یک تصمیم میگیره، مثل مدل jev که قبلا ارائه شده بود و خیلی هایپ ایجاد کرد

ادعا شده که برای مدل های زیر ۱۰ میلیارد پارامتری بهترین هست

https://huggingface.co/LiquidAI/d1-3B

@ai_src

آنتروپیک اعلام کرده که از ۱۲ نوامبر ۲۰۲۶ رفتار توهین آمیز و بی رحمانه با Claude رسما نقض سیاست استفاده (Usage Policy) حساب میشه. یعنی قوانین فقط درباره چیزهایی مثل بدافزار و سلاح نیست و نحوه حرف زدن شما با خود مدل هم وارد بحث شده.

بیشتر بحث سر اینه که چرا آنتروپیک این کار رو میکنه. یه گروه میگن شاید Claude یه جور آگاهی داره، یا اینکه رفتار بد با مدل برای alignment بده و نسل های بعدی مدل یاد میگیرن که آدم ها قابل اعتماد نیستن. گروه دیگه معتقدن موضوع محافظت از خود آدم هاست، چون خالی کردن عصبانیت روی یه چت بات مطیع میتونه عادت بدی بسازه که به زندگی واقعی هم سرایت کنه(زیادی خوش بینن)، یه عده کوچیکتر هم فکر میکنن همه اش PR و مدیریت برند هست، مثلا برای IPO آینده یا صرفه جویی تو توکن هایی که صرف فحش دادن میشه.


@ai_src